​BAIDU ВЫПУСТИЛА МОДЕЛЬ, КОТОРАЯ ПОЛНОСТЬЮ МЕНЯЕТ ПОДХОД К ДОКУМЕНТНОМУ ИИОна называется Unlimited-OCR…

​BAIDU ВЫПУСТИЛА МОДЕЛЬ, КОТОРАЯ ПОЛНОСТЬЮ МЕНЯЕТ ПОДХОД К ДОКУМЕНТНОМУ ИИ

Она называется Unlimited-OCR и способна буквально расшифровать целую книгу за один проход 🤯

Большинство vision-моделей читают одну страницу, забывают контекст и в итоге упираются в стену, где производительность падает, а вывод замедляется.

Baidu построила её на базе DeepSeek OCR, но устранила раздувание памяти всего одним изменением в механизме внимания.

Архитектура имитирует то, как человек переписывает книгу от руки.

Вместо того чтобы пытаться держать всю книгу в активной памяти, каждый токен смотрит только на текущую страницу плюс последние 128 слов.

Это создает скользящее окно, которое сохраняет потребление памяти абсолютно плоским, независимо от длины выходных данных.

Такой архитектурный сдвиг дает три масштабных апгрейда для парсинга документов:

→ Фиксированный объем потребляемой памяти
→ Стабильная скорость генерации на массивных документах
→ Способность обрабатывать десятки страниц за один проход

Цифры это подтверждают.

На стандартных бенчмарках парсинга Unlimited-OCR набирает 93%, обходя старый бейзлайн на целых шесть пунктов.

Даже при обработке более 40 страниц уровень ошибок остается ниже 0.11.

Что еще важнее, она сохраняет ровную кривую скорости там, где старые модели проседали на 35%.

Бесплатно и в open-source.

Репо → https://github.com/baidu/Unlimited-OCR
Веса → https://huggingface.co/baidu/Unlimited-OCR
Дока → https://arxiv.org/abs/2606.23050

#AI #LLM #Automation

@MikeBlazerX
⚠️ Закрытый канал: @MikeBlazerPRO